[发明专利]无需高信噪比真值图像的结构光显微重建方法及装置

说明书

一种无需高信噪比真值图像的结构光显微重建及装置，涉及结构光技术领域和机器学习领域，该方案包括：获取待处理生物样本图像，将待处理生物样本图像输入至预先训练的生成器神经网络进行重建处理，得到待处理生物样本图像的重建图像；其中，在预先训练的生成器神经网络中增设用于保留结构光条纹的预先训练的去噪神经网络，预先训练的去噪神经网络的训练数据为普通样本。上述方案中的预先训练的去噪神经网络可以脱离具体的生物样本进行独立训练，可以直接应用在生物样本上，将输入的含噪声的生物样本实采数据进行去噪处理。由此，本申请不仅实现了无需高信噪比数据的结构光显微重建，降低实验成本，还显著提升了结构光显微技术的应用范围。

技术领域

本申请涉及结构光技术领域和机器学习领域，尤其涉及一种无需高信噪比真值图像的结构光显微重建方法及装置。

背景技术

荧光显微技术是生命科学研究中的一种重要工具，利用免疫荧光反应等操作，我们可以将荧光染料或者荧光蛋白特异性地与目标结构进行结合，使得最终采集到的图像仅包含我们所感兴趣的生物结构，实现了对所标记结构的高信噪比的特异性成像。然而，普通荧光显微技术的分辨率受限，而结构光显微技术利用约10张的含摩尔条纹的宽场激发图像，可以实现2倍分辨率的提升，由于其自身具有高速率、低光毒性的特点，非常适用于活体细胞成像，事实上，结构光显微系统是在活体细胞成像中使用率很高的一款显微设备。

近些年随着机器学习领域的不断发展，学术界和工业界开始尝试使用深度神经网络的方式进行结构光显微重建。在对深度神经网络进行训练前，需要获得样本的高信噪比的原始数据作为真值图像进行网络训练，然而，在实际的生物实验中，高信噪比的数据的获得在实验难度和实验成本方面均较高。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种无需高信噪比真值图像的结构光显微重建方法，以解决了在实际的生物实验中，高信噪比的数据的获得在实验难度和实验成本方面均较高的技术问题。

本申请的第二个目的在于提出一种无需高信噪比真值图像的结构光显微重建装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种无需高信噪比真值图像的结构光显微重建方法，包括：

获取待处理生物样本图像；

将所述待处理生物样本图像输入至预先训练的生成器神经网络进行重建处理，得到所述待处理生物样本图像的重建图像；其中，所述预先训练的生成器神经网络，包括用于保留结构光条纹的预先训练的去噪神经网络，所述预先训练的去噪神经网络的训练数据为普通样本。

可选的，在本申请实施例中，所述预先训练的生成器神经网络的训练方法，具体包括：

获取普通样本训练数据，所述普通样本训练数据包括含噪声结构光原始数据和高信噪比真值数据；

将所述含噪声结构光原始数据输入至预设去噪神经网络，输出无噪图像训练数据；

根据所述无噪声图像训练数据和所述高信噪比真值数据对所述预设去噪神经网络进行训练，得到所述预先训练的去噪神经网络。

可选的，在本申请实施例中，所述预先训练的生成器神经网络的训练方法，具体包括：

获取生物样本的原始数据，所述生物样本的原始数据包括低分辨率且含噪声的图像数据；

将所述生物样本的原始数据输入至所述预先训练的去噪神经网络，以输出无噪声图像数据以及所述无噪声图像数据的第一标签，所述无噪声图像数据的分辨率高于所述原始数据中的图像数据；